Le sperimentazioni cliniche controllate: aspetti statistici II. Scardapane Marco
|
|
- Giancarlo Lombardo
- 4 anni fa
- Visualizzazioni
Transcript
1
2 Le sperimentazioni cliniche controllate: aspetti statistici II Scardapane Marco
3 Correlazione fra due variabili continue Che relazione intercorre fra peso e altezza? La pressione arteriosa sistolica è correlata all età? A questi quesiti (ricerca di una correlazione fra due variabili normalmente distribuite) è possibile dare una risposta con la regressione lineare e la R di Pearson. Con la regressione è possibile valutare se e in che misura i valori di una variabile (variabile dipendente/endpoint/outcome) variano (sono cioè correlati) col variare di una seconda variabile (variabile indipendente/covariata/predittore).
4 La regressione lineare semplice La correlazione fra peso e altezza è espressa da una retta con equazione Y=α+βx PESO ALTEZZA Il coefficiente β, o pendenza, indica di quanto varia la variabile dipendente al variare di un unità della variabile indipendente 190
5 La regressione lineare semplice Scostamento di ogni singolo valore dalla retta PESO ALTEZZA
6 120 La regressione lineare semplice Peso= *altezza Ad esempio, se altezza=190 cm Peso= *190=92,8 kg PESO ALTEZZA
7 100 La regressione lineare semplice Peso= *altezza Peso= *altezza 50 PESO ALTEZZA Femmine Maschi
8 La regressione lineare semplice PESO ALTEZZA
9 Regressione e correlazione L esistenza di una relazione lineare e soprattutto la quantificazione della sua forza può essere espressa dal coefficiente di correlazione R di Pearson. Il coefficiente R varia fra 1 e +1. Il segno indica la direzione della correlazione: se R è negativo, all aumentare della variabile indipendente la variabile dipendente diminuisce; se R è positivo, all aumentare della variabile indipendente la variabile dipendente aumenta; se R=0, non c è correlazione lineare fra le due variabili. R 2 indica la percentuale di variabilità della variabile dipendente spiegata dalla variabile indipendente.
10 La correlazione lineare rr = 0 rr = 0 Y Y X X
11 Confronto fra valori medi di due gruppi Che differenza esiste tra i livelli medi pressori tra gruppo di controllo e trattati? Per rispondere a questo quesito, si ricorre al test t di Student. t = Differenza tra le medie campionarie Errore standard della differenza tra le medie campionarie
12 Lo Student s t-test N Media DS ES Controllo ,19 18,153 0,434 Trattati ,75 15,846 0,397 80,0 100,0 120,0 140,0 160,0 180,0 200,0 Differenza fra le medie = (149,19-136,75) = 12,44 Errore standard della differenza = 0,592 t = 12,44/0,592 = 21,014 p < ,0
13 Confronto pre-post: il paired t-test E se i due gruppi da confrontare non sono indipendenti? Es. i due gruppi sono misurazioni di un parametro sugli stessi pazienti in due tempi diversi (pre-post), oppure in bracci diversi (disegno Xover). Non posso usare il classico t-test, devo usare il paired t-test. Segue la stessa logica, ma tiene conto del fatto che le misurazioni sono fra loro correlate.
14 Confronto fra valori medi di più gruppi Nel caso in cui si vogliano confrontare i valori medi di più gruppi, si ricorre all analisi della varianza (ANOVA). Prendo la variabilità di tutto il campione (SS Total) e la «scompongo» in due parti: tra i gruppi (SS Between); dentro i gruppi (SS Within). L ANOVA però mi dà solo un test di eterogeneità globale fra i gruppi. Se voglio confrontare due gruppi specifici t-test (post-hoc comparison). N.B Con l aumentare del numero di test eseguiti aumenta la probabilità di trovare un p<0.05 e sbagliare (falso positivo).
15 Confronto fra valori medi di più gruppi 0= no retinopatia 1=retinopatia background 2=retinopatia pre-proliferativa/proliferativa
16 Correlazione fra due variabili categoriche Che relazione intercorre fra trattamento ed evento? Per rispondere a questo quesito (ricerca di una correlazione fra due variabili categoriche), bisogna anzitutto calcolare il numero di pazienti in ciascuna categoria di risposta (sia in numeri assoluti sia in percentuale). Si costruisce così la tabella di contingenza 2x2, che confronta direttamente la distribuzione degli eventi in base ai trattamenti somministrati. Evento SI Evento NO Totale Placebo Farmaco Attivo
17 Tabella di contingenza 2x2 Tavola di contingenza FARMACO * EVENTO Osservato EVENTO EVENTO TOTALE SI NO PLACEBO n % FARMACO n % TOTALE n % Frequenza di eventi attesi ipotizzando che farmaco e placebo abbiano la stessa efficacia Tavola di contingenza FARMACO * EVENTO Atteso EVENTO EVENTO TOTALE SI NO PLACEBO n % FARMACO n % TOTALE n %
18 Correlazione fra due variabili categoriche EVENTO EVENTO TOTALE SI NO PLACEBO Osservati Attesi FARMACO Osservati Attesi TOTALE n test del χ 2 χχ 2 = (OO EE)2 EE χ 2 = (20-14) 2 /14 + (10-16) 2 /16 + (8-14) 2 /14 + (22-16) 2 /16 = (p=0.002)
19 Gli errori dei test statistici Test significativo Differenza presente Vero positivo Differenza assente Falso positivo (α) Test non significativo Falso negativo (β) Vero negativo α è l errore di I specie; β è l errore di II specie; 1- β è la potenza statistica del test.
20 La stima delle dimensioni del campione La dimensione del campione di uno studio è scelta in modo da garantire una alta probabilità (potenza statistica) di evidenziare una differenza d statisticamente significativa (evitando l errore di tipo I), a patto che d effettivamente esista. Se la differenza reale è maggiore di d, allora la probabilità dello studio di evidenziare una differenza statisticamente significativa sarà maggiore di quella prevista. Al contrario, se la differenza reale è inferiore a d, allora la probabilità dello studio di evidenziare tale differenza in maniera statisticamente significativa sarà considerevolmente inferiore a quella prevista. La potenza statistica è determinante per interpretare il risultato di un RCT. Molti studi sono numericamente inadeguati per cogliere effetti realistici e quindi la loro incapacità a dimostrare l esistenza di un beneficio NON indica in alcun modo che tale beneficio sia assente.
21 La stima delle dimensioni del campione Probabilità (%) di dimostrare una differenza significativa fra i trattamenti (con α=0.05) in un RCT pianificato per avere una probabilità del 90% (β=0.10) di evidenziare una differenza d 0, quando la differenza vera è δ. Differenza ipotizzata (δ 0 ) Differenza vera (δ) 10% 15% 20% 25% 5% % % % % 90 Stime basate sull assunzione che l end-point sia il tasso di sopravvivenza, pari al 50% nel gruppo di controllo
22 La stima delle dimensioni del campione Possiamo considerare una SCC come se si trattasse di un test diagnostico, e vogliamo pertanto che essa abbia una adeguata sensibilità e specificità. TEST DIAGNOSTICO STUDIO CLINICO Sensibilità Capacità di evidenziare Capacità di evidenziare una la malattia, differenza fra i trattamenti, se essa è presente se essa esiste Specificità Capacità di escludere Capacità di escludere una la malattia, differenza fra i trattamenti, se essa non è presente se essa non esiste
23 La stima delle dimensioni del campione Bassa sensibilità Alta probabilità di risultato falso negativo Bassa specificità Alta probabilità di risultato falso positivo Mentre per i test diagnostici sensibilità e specificità sono caratteristiche intrinseche e non modificabili, in una SCC possiamo decidere le soglie massime che accettiamo di tollerare. In generale, α è fissato ad un livello 0.05, mentre β non deve mai superare 0.20, ma valori più bassi sono preferibili (0.05 o 0.10).
24 La stima delle dimensioni del campione Le domande da porsi: Qual è lo scopo principale dello studio? Qual è la misura principale di esito? Quale risultato si prevede di ottenere con il nuovo trattamento? Qual è la differenza minima che si ritiene clinicamente rilevante? Con quale grado di certezza?
25 Parametri necessari per la stima delle dimensioni del campione: misura di esito continua Effetto atteso nel gruppo di controllo (µ 0 ) Variabilità della misura di efficacia (σ o CV) Differenza minima di efficacia ritenuta clinicamente rilevante (µ 1 - µ 0 ) Precisione della stima (errori α e β) N = 2σ 2 ( µ 1 - µ 0 ) 2 f (α, β)
26 Parametri necessari per la stima delle dimensioni del campione: misura di esito dicotomica Percentuale attesa di successi nel gruppo di controllo (p 0 ) Differenza minima di efficacia ritenuta clinicamente rilevante (p 1 - p 0 ) Precisione della stima (errori α e β) N = p 1 (100- p 1 ) + p 0 (100- p 0 ) ( p 1 - p 0 ) 2 f (α, β)
27 Valori di f(α, β) α β
28 La stima delle dimensioni del campione Bassa variabilità Campione piccolo Beneficio atteso elevato Campione piccolo Alta variabilità Campione grande Beneficio atteso modesto Campione grande
29 Misure di efficacia di un trattamento Gruppo Evento Totale Si No Controllo a b a+b Sperimentale c d c+d Rischio di eventi nel gruppo di controllo = CER = a/(a+b) Rischio di eventi nel gruppo sperimentale = EER = c/(c+d) Rischio relativo = RR = CER/EER Riduzione assoluta del rischio = ARR = CER EER Riduzione relativa del rischio = RRR = 1 - (EER/CER) Number needed to treat = NNT = 1/ARR = 1/(CER - EER) Odds Ratio = OR = ad/bc
30 Misure di efficacia di un trattamento Trattamento N eventi Totale pz. RR RRR ARR NNT OR Placebo % 10% Captopril Placebo % 1% Captopril
31 Dall analisi univariata all analisi multivariata Tutte le volte che, nell ambito di una sperimentazione, si verifica uno sbilanciamento in uno o più fattori prognostici importanti oppure Quando vogliamo stimare il ruolo di un fattore in assenza di problemi di confondimento creati da altre variabili È necessario l impiego di analisi multivariate
32 Dall analisi univariata all analisi multivariata Farmaco A Farmaco B p HbA 1c 7.1± ± Età 62±10 64± BMI 27.5± ± Durata 11.2± ± Il farmaco A è davvero più efficace di B, o la differenza nel controllo metabolico è legata alla più giovane età e al BMI più basso? Quale sarebbe la differenza vera nei valori di HbA 1c se i due gruppi avessero stessa età e BMI?
33 Analisi multivariata L analisi multivariata ci permette di valutare il ruolo indipendente di ogni singola variabile, a parità di tutte le altre. Analisi univariata y = α + βx (Es. HbA 1c = α + β 1 farmaco) Analisi multivariata y = α + β 1 x 1 + β 2 x 2 + β 3 x (Es. HbA 1c = α + β 1 farmaco + β 2 BMI + β 3 età + β 4 durata)
34 Analisi multivariata β p Farmaco Età BMI Durata A parità di età, BMI e durata del diabete, il farmaco B è associato ad una HbA 1c significativamente più alta di 0.31 rispetto al farmaco A; i valori di HbA 1c crescono inoltre in modo significativo all aumentare del BMI e della durata del diabete, mentre tendono a ridursi all aumentare dell età, sebbene quest ultimo risultato non raggiunga la significatività statistica.
35 La regressione lineare: ulteriori estensioni Finora abbiamo visto come analizzare nell ordine: 1. Misure di esito continue vs singole variabili (t-test, ANOVA, reg. lin. semplice); 2. Misure di esito dicotomico vs singole variabili categoriche (chi-quadro); 3. Misure di esito continue vs più predittori simultaneamente (reg. lin. multivar.). Come fare per analizzare una misura di esito dicotomica vs più predittori simultaneamente, possibilmente sia continui che categorici? E chiaro che non posso usare la regressione lineare multivariata perché essa è valida solo per variabili continue distribuite normalmente.
36 La regressione logistica Sia p la nostra probabilità (rischio) di verificarsi dell evento (e.g. mortalità, morbidità, parametro di laboratorio a target, ) e p/1-p il corrispondente odds. Se y=log (p/1-p) abbiamo una regressione logistica. Analisi univariata log (p/1-p) = α + βx (Es. log odds (mortalità) = α + β 1 farmaco) Analisi multivariata log (p/1-p) = α + β 1 x 1 + β 2 x 2 + β 3 x (Es. log odds (mortalità) = α + β 1 farmaco + β 2 BMI + β 3 età + β 4 durata)
37 La regressione logistica I risultati di una regressione logistica sono espressi come Odds Ratios (ORs). OR = e β Per variabili x categoriche, un OR > 1 indica un eccesso di rischio rispetto alla sua categoria di riferimento, mentre un OR < 1 indica un rischio più basso. Per variabili x continue, l OR indica l incremento (o decremento) di rischio all aumentare di un unità della x. Fatte salve queste premesse, la lettura e l interpretazione di una logistica multivariata rispetto a una univariata restano le stesse della regressione lineare.
38 HbA 1c <8.0% La regressione logistica HbA 1c OR (IC 95%) OR (IC 95%) 8.0% Univariata Multivariata Farmaco A B 75.8% 66.6% 24.2% 33.4% (RC) 1.6 ( ) (RC) 1.5 ( ) Età BMI > > % 71.9% 71.7% 73.0% 72.3% 73.1% 68.8% 30.8% 28.1% 28.3% 27.0% 27.7% 26.9% 31.2% (RC) 0.9 ( ) 0.9 ( ) (RC) 1.0 ( ) 1.0 ( ) 1.2 ( ) (RC) 0.8 ( ) 0.8 ( ) (RC) 1.1 ( ) 1.1 ( ) 1.3 ( ) A parità degli altri fattori, i pazienti trattati con il farmaco B hanno una probabilità del 50% più alta di presentare valori di HbA1c 8.0% Durata < > % 74.3% 67.7% 64.6% 21.2% 25.7% 32.4% 35.4% (RC) 1.3 ( ) 1.8 ( ) 2.1 ( ) (RC) 1.1 ( ) 1.4 ( ) 1.4 ( )
39 Tempo ed evento In molte condizioni cliniche lo scopo principale della terapia è quello di ritardare il più possibile la progressione della malattia o la comparsa delle sue complicanze. In queste circostanze il confronto di efficacia fra due trattamenti dovrà tener conto non solo del numero di pazienti che avrà sviluppato un particolare evento, ma anche del tempo intercorso prima della sua comparsa. Ad esempio, confrontando due trattamenti per il diabete, il tasso di eventi cardiovascolari maggiori a 5 anni potrebbe essere del 20% in entrambi i casi, ma il tempo medio trascorso prima della comparsa dell evento (intervallo libero da malattia) potrebbe essere di 36 mesi in un caso e di 24 nell altro. E chiaro che non basta la regressione logistica, perché essa studia solo la probabilità di sviluppare l evento o meno, indifferentemente dal tempo trascorso.
40 L analisi della sopravvivenza Inoltre, in queste circostanze, i pazienti a volte escono da uno studio prima del suo termine (follow-up), e non sappiamo se ha sviluppato o meno l evento in seguito, ma solo che fino a quel momento NON lo ha fatto. I pazienti si dicono allora censorizzati (in inglese censored). Come gestire tutti questi nuovi problemi? Usando i modelli tempo all evento: i più celebri sono i metodi di analisi della sopravvivenza. Uno di questi calcola la sopravvivenza (in inglese survival) ad ogni istante di tempo t, cioè la probabilità di essere libero dall evento fino a t. N.B: a dispetto dei nomi infausti, questi metodi possono essere usati per qualunque variabile dicotomica.
41 L analisi della sopravvivenza Inizio Studio Censored Fine studio pazienti x x 7 x Tempo Probabilità di sopravvivere Probabilità di sopravvivere = oltre il tempo t 0 E non avere = 1 * 6/7 = 87.5% oltre il tempo t 1 evento a t 1
42 L analisi della sopravvivenza Inizio Studio Censored Fine studio pazienti x x 7 x Tempo Probabilità di sopravvivere Probabilità di sopravvivere = oltre il tempo t 1 E non avere = 1 * * 3/4 = 64.3% oltre il tempo t 2 evento a t
43 L analisi della sopravvivenza Inizio Studio Censored Fine studio pazienti x x 7 x Tempo Probabilità di sopravvivere Probabilità di sopravvivere = oltre il tempo t 2 E non avere = 1 * * * 2/3 = 42.9% oltre il tempo t 3 evento a t
44 Curva di sopravvivenza Kaplan-Meier 1 Probabilità di sopravvivenza 0,8 0,6 0,4 0, Tempo Tempo di sopravvivenza mediano
45 Confronto di due o più curve Supponiamo di voler confrontare due o più curve di sopravvivenza (es. un farmaco che riduce la mortalità vs. un controllo attivo). Il test da usare in questi casi è il log-rank test. Il log-rank test prende tutti i tempi in cui si verifica (almeno) un evento e li ordina in senso crescente. Ad ogni tempo confronta il numero di eventi osservato con ogni braccio col numero atteso sotto l ipotesi di pari efficacia. Es. se a un tempo t i si verificano 2 eventi (osservati) nel braccio T e 0 in C, il numero di eventi attesi è 1 in T e 1 in C, se T e C sono di pari numerosità in t i. Infine, tutti i numeri osservati e attesi, rispettivamente, si aggregano e si calcola un chi-quadro: (O T - A T ) 2 (O C - A C ) 2 Log-rank = + A T A C
46 Il log-rank test Probabilità di sopravvivenza Log rank test = (p<0.0001) Tempo
Le sperimentazioni cliniche controllate: aspetti statistici II
eto b ia t D i i. d a i a ital n a tali @sid I tà alia e i c idit o S s a l a l a ere a t u criv d ce di s e ne rega a ap si p d r ca nale S o rigi c r a eo M a sion d ta ver a r a la p e e r r p e v a
DettagliIl test di ipotesi. Diapositiva preparata da ANTONIO NICOLUCCI e ceduta alla Società Italiana di Diabetologia.
Il test di ipotesi Il test di ipotesi Una volta riassunti i dati in forma grafica o tabellare, il passo successivo consiste nell esplorare se esistano particolari associazioni (ad es. Esiste un rapporto
DettagliIl test di ipotesi TEST STATISTICI. I test statistici servono ad accettare o a respingere (confutare) un ipotesi.
Il test di ipotesi Il test di ipotesi Una volta riassunti i dati in forma grafica o tabellare, il passo successivo consiste nell esplorare se esistano particolari associazioni (ad es. Esiste un rapporto
DettagliMetodo epidemiologici per la clinica _efficacia / 1. L analisi statistica
Metodo epidemiologici per la clinica _efficacia / 1 L analisi statistica Metodo epidemiologici per la clinica _efficacia / 2 Esempio (de Gans et al. NEJM 2002, 347: 1549-56) Esito Desametazone Trattamento
Dettagli28/02/2013. La prognosi. Predizione della durata, decorso ed esito di una malattia in un individuo (dunque del gruppo di individui a cui appartiene!
// http://www.biostatistica.unich.it La prog Predizione della durata, decorso ed eto di una malattia in un individuo (dunque del gruppo di individui a cui appartiene!) Domande o Quali fattori influenza
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliAnalisi della varianza
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Facoltà di Medicina e Chirurgia - A.A. 2009-10 Scuole di specializzazione Lezioni comuni Disciplina: Statistica Docente: dott.ssa Egle PERISSINOTTO
DettagliEndpoint di efficacia in oncologia. Valter Torri Istituto Mario Negri
Endpoint di efficacia in oncologia Valter Torri Istituto Mario Negri Il ciclo di vita di un famaco In clinica classificazione in fasi con obiettivi differenti I: sicurezza II: attività III: efficacia di
DettagliEndpoint di efficacia in oncologia. Valter Torri Istituto Mario Negri
Endpoint di efficacia in oncologia Valter Torri Istituto Mario Negri Il ciclo di vita di un famaco In clinica classificazione in fasi con obiettivi e misure di esito differenti I: sicurezza II: attività
DettagliRegressione lineare semplice
Regressione lineare semplice Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Statistica con due variabili var. nominale, var. nominale: gruppo sanguigno - cancro
DettagliEndpoint di efficacia in oncologia
Percorso di Formazione Linee Guida AIOM Endpoint di efficacia in oncologia Valter Torri IRCCS Istituto Mario Negri Post verità Il ciclo di vita di un famaco In clinica classificazione in fasi con obiettivi
DettagliGli studi longitudinali (o di coorte) sono utilizzati: per la stima dell incidenza delle patologie per la stima della mortalità
Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari /6 Gli studi longitudinali (o di coorte) sono utilizzati: per la stima dell incidenza delle patologie per la stima
DettagliTempo disponibile: 60 minuti
Corso di Specialistica in Biotecnologie Statistica medica. A.A. 005-006 6 Marzo 006 Tempo disponibile: 60 minuti 1. Conducete uno studio clinico controllato randomizzato di fase III per misurare l'effetto
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliTest d ipotesi: confronto fra medie
Test d ipotesi: confronto fra medie Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona CONFRONTO FRA MEDIE 1) confronto fra una media campionaria e una media di popolazione
DettagliParametri statistici
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Parametri statistici 24/1/2005 Deviazione standard della media La variabilità di una distribuzione può quindi essere espressa da un indice
Dettagli1. In uno studio viene misurata la pressione arteriosa sistolica a 36 soggetti, con i seguenti risultati. Media = 172,8 Deviazione standard= 24,25
1. In uno studio viene misurata la pressione arteriosa sistolica a 36 soggetti, con i seguenti risultati. Media = 172,8 Deviazione standard= 24,25 Commento generale: in questo esercizio l unica stima della
Dettagli10 TEST STATISTICI PER LA VERIFICA DI IPOTESI
10 TEST STATISTICI PER LA VERIFICA DI IPOTESI Un test statistico è una procedura che permette di decidere tra l ipotesi sperimentale H1 e l ipotesi nulla H0, quantificando la divergenza delle osservazioni
DettagliCognome e nome Tempo disponibile: 75 minuti
Corso di Laurea in Biotecnologia Statistica medica. A.A. 2010-2011 21 giugno 2011 Cognome e nome Tempo disponibile: 75 minuti 1. Immaginate di condurre uno studio sperimentale in cui si confronta l effetto
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.12 - Test statistico Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona IPOTESI SCIENTIFICA Affermazione che si può sottoporre a verifica
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
Dettagliviii Indice generale
Indice generale 1 Introduzione al processo di ricerca 1 Sommario 1 Il processo di ricerca 3 Concetti e variabili 5 Scale di misura 8 Test di ipotesi 10 Evidenza empirica 10 Disegni di ricerca 11 Sintesi
DettagliGestione ed Analisi Statistica dei dati
Master in Evidence Based Practice e Metodologia della Ricerca clinico-assistenziale assistenziale Gestione ed Analisi Statistica dei dati Daniela Fortuna 12 giugno 2014 TEST di ipotesi Finora abbiamo visto
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliI metodi per la misura dell efficacia e della tollerabilità delle terapie
C.I. di Metodologia clinica I metodi per la misura dell efficacia e della tollerabilità delle terapie Obiettivo Conoscere ed utilizzare i principali strumenti per analizzare criticamente i risultati degli
DettagliElementi di Epidemiologia per la Valutazione Comparativa di Esito
Elementi di Epidemiologia per la Valutazione Comparativa di Esito La valutazione della qualità dell assistenza: quali domande? L incidenza di alcuni esiti negativi dell assistenza ospedaliera (come la
DettagliBetween / TRA Soggetti Le medie dei due trattamenti sono diverse? Gruppo 2. Media 1. Media 2
Con Correlazione e Regressione si è studiata la relazione tra l andamento di due (o più variabili): si riassume la forma della nuvola di punti utilizzando una funzione lineare (nel GLM). Con l Analisi
DettagliQualche principio generale dell analisi statistica
Statistica medica Alla fine di questa lezione dovreste essere in grado di: riconoscere i principali metodi utilizzati nel confronto di due gruppi riconoscere i principali metodi utilizzati nel confronto
Dettaglii dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
DettagliDipartimento di Samità Pubblica e Malattie Infettive Sapienza Università di Roma
I bias negli studi epidemiologici. Elementi di statistica descrittiva ed inferenziale.l epidemiologia sperimentale Paolo Villari paolo.villari@uniroma1.it Dipartimento di Samità Pubblica e Malattie Infettive
DettagliInterpretazione dei risultati di RCT relativi a dati di sopravvivenza. Roberto D Amico - Università degli Studi di Modena e Reggio Emilia
Interpretazione dei risultati di RCT relativi a dati di sopravvivenza Roberto D Amico - Università degli Studi di Modena e Reggio Emilia Interpretazione dei risultati di un RCT Popolazione Pazienti Campione
DettagliCognome e nome Tempo disponibile: 60 minuti
Corso di Laurea in Medicina e Chirurgia Statistica medica. A.A. 005-006 6 Marzo 006 Cognome e nome Tempo disponibile: 60 minuti 1. Conducete uno studio clinico controllato randomizzato di fase III per
DettagliSeconda Parte Specifica per la tipologia di scuola - Statistica sanitaria e Biometria - 22/07/2016
Domande relative alla specializzazione in: Statistica sanitaria e Biometria Scenario 1: In uno studio prospettivo condotto per valutare la relazione tra l'uso di estrogeni e rischio di cancro alla mammella,
DettagliAnalisi della varianza a una via
Analisi della varianza a una via Statistica descrittiva e Analisi multivariata Prof. Giulio Vidotto PSY-NET: Corso di laurea online in Discipline della ricerca psicologico-sociale SOMMARIO Modelli statistici
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliTRACCIA DI STUDIO. Test di confronto per misure qualitative. Verifica di ipotesi
TRACCIA DI STUDIO Verifica di ipotesi Nelle analisi statistiche di dati sperimentali riguardanti più gruppi di studio (talvolta più variabili) si pone come ipotesi da verificare la cosiddetta ipotesi zero:
DettagliPrognosi Predizione della durata, decorso ed esito di una malattia in un individuo
La prog La prog Prog Predizione della durata, decorso ed eto di una malattia in un individuo Domande Quali fattori influenza la prog? Qual è il peso relativo di ogni fattore? L effetto di una variabile
DettagliSTATISTICA. Regressione-3 L inferenza per il modello lineare semplice
STATISTICA Regressione-3 L inferenza per il modello lineare semplice Regressione lineare: GRAFICO DI DISPERSIONE & & analisi residui A. Valutazione preliminare se una retta possa essere una buona approssimazione
DettagliEpidemiologia descrittiva
Epidemiologia descrittiva Un evento morboso deve essere descritto in termini di Tempo Luogo Persona Epidemiologia descrittiva Variazioni temporali Tendenze a lungo termine Variazioni cicliche Regolari
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliEsame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliArgomenti della lezione:
Lezione 13 L analisi della Varianza (ANOVA): il modello lineare Argomenti della lezione: Modello lineare Disegni a una via L Analisi della Varianza (ANOVA): Esamina differenze tra le medie di due o più
DettagliEsercizi di statistica inferenziale
Dipartimento di Fisica SMID a.a. 004/005 Esercizi di statistica inferenziale Prof. Maria Antonietta Penco tel. 0103536404 penco@fisica.unige.it 6/1/005 Esercizio1 E noto che un grande numero di pazienti
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliSimulazione di esercizi su test di significatività e 95%CI
Simulazione di esercizi su test di significatività e 95%CI 1) In un trial clinico vennero trattati 10 pazienti ipertesi con un preparato di Rawolfia. I valori pressori (in mmhg) riscontrati prima del trattamento
DettagliPresentazione dell edizione italiana
Presentazione dell edizione italiana Prefazione xiii xvii 1 Introduzione 1 1.1 Statistica e medicina.......................... 1 1.2 Statistica e matematica........................ 2 1.3 Statistica ed
DettagliSMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Prognosi clinica 28/2/2005
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Prognosi clinica 28/2/2005 Formulazione La prognosi non è altro che la stima della probabilità di un certo esito Quando il medico fa una previsione
DettagliStatistica e matematica
Metodi statistici per lo studio dei fenomeni biologici/1 Metodi statistici per lo studio dei fenomeni biologici Alla fine di questa lezione dovreste essere in grado di: conoscere la differenza fra parametri
DettagliMetodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliAnalisi di sopravvivenza. Dati di sopravvivenza. caratteristiche peculiari dell analisi. Osservazioni troncate. Censura del I tipo
Analisi di sopravvivenza Dati di sopravvivenza Insieme di metodi statistici per l analisi della distribuzione del tempo di comparsa di un evento. È una modalità di analisi per dati provenienti da studi
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
DettagliSTATISTICA Lauree Triennali in OSTETRICIA ed INFERM. PEDIATRICA
STATISTICA Lauree Triennali in OSTETRICIA ed INFERM. PEDIATRICA 6--008 Tempo disponibile 45 minuti. Usate solo questo foglio per le risposte. Nome Cognome Numero di matricola Corso e sede Esercizio. A
DettagliMisure di associazione (Misure della relazione di occorrenza)
Misure di associazione (Misure della relazione di occorrenza) Docente: Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Misure di associazione Esprimono il grado
DettagliStatistica (parte II) Esercitazione 4
Statistica (parte II) Esercitazione 4 Davide Passaretti 03/03/016 Test sulla differenza tra medie (varianze note) Un negozio di scarpe è interessato a capire se le misure delle scarpe acquistate da adulti
Dettaglimateriale didattico II incontro
Piano Nazionale Lauree Scientifiche (PLS 016-017) Statistica Laboratorio di Statistica Le relazioni tra variabili. L indipendenza prof.ssa Angela Maria D'Uggento angelamaria.duggento@uniba.it materiale
DettagliIntervallo di confidenza
Intervallo di confidenza Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima puntuale di µ la deviazione standard Media,
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliStatistica multivariata Donata Rodi 08/11/2016
Statistica multivariata Donata Rodi 08/11/2016 MANOVA: Multivariate Analysis of Variance Due o più variabili dipendenti quantitative Una o più variabili indipendenti categoriali (con più livelli) Residui
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
DettagliCorrelazione e regressione
Correlazione e regressione Correlazione 1 Come posso determinare il legame tra due o più variabili? Correlazione COEFFICIENTE DI CORRELAZIONE (r di Pearson) massimo consumo di ossigeno e prestazione nelle
DettagliEsercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
DettagliLuigi Santoro. Hyperphar Group S.p.A., MIlano
Come modellare il rischio Luigi Santoro Hyperphar Group S.p.A., MIlano Gli argomenti discussi Le definizioni del termine rischio L utilità di un modello predittivo di rischio Come costruire modelli predittivi
DettagliDipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Test di ipotesi 2/5/2005
Dipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Test di ipotesi 2/5/2005 Test di significatività Nei lavori di statistica medica si citano sempre i livelli di significatività (ovvero la probabilità)
DettagliLa regressione lineare semplice
La regressione lineare semplice Il modello di regressione lineare semplice - 1 y = β 0 + βx + ε 10 8 Una retta nel piano Variabile Y 6 4 2 0 0 1 2 3 4 Variabile X 1 Il modello di regressione lineare semplice
DettagliAnalisi della sopravvivenza
Università degli Studi di Padova - Facoltà di Medicina e Chirurgia Statistica Medica per le Scuole di Specializzazione Analisi della sopravvivenza Francesco Grigoletto Unità didattica n. 5 giugno 00 Tempo
DettagliMISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI
ANALISI DELLA CORRELAZIONE MISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI VINCOLI CHE SI IMPONGONO ALLA SUA UTILIZZAZIONE: LA RELAZIONE
DettagliLe sperimentazioni cliniche controllate: aspetti statistici I
eto b ia t D i i. d a i a ital n a tali @sid I tà alia e i c idit o S s a l a l a ere a t u criv d ce di s e ne rega a ap si p d r ca nale S o rigi c r a eo M a sion d ta ver a r a la p e e r r p e v a
DettagliMisure di associazione (Misure della relazione di occorrenza)
Misure di associazione (Misure della relazione di occorrenza) Docente: Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Misure di associazione Esprimono il grado
DettagliStatistica multivariata! Analisi fattoriale
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Statistica multivariata! Analisi
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 05-La verifica delle ipotesi con le medie dei campioni (v. 1.0, 15 aprile 2019) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliTeoria della stima dei parametri:
INFERENZA STATISTICA Teoria della verifica dell ipotesi : si verifica, in termini probabilistici, se una certa affermazione relativa alla popolazione è da ritenersi vera sulla base dei dati campionari
DettagliIntroduzione alla statistica per la ricerca in sanità
Introduzione alla statistica per la ricerca in sanità Modulo La verifica delle ipotesi: il test statistico dott. Eugenio Traini eugenio.traini@burlo.trieste.it Verifica d Ipotesi - 1 Che cos è un ipotesi
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliEsercizi sull associazione di variabili categoriche
Dipartimento di Fisica SMID a.a. 004/005 Esercizi sull associazione di variabili categoriche Prof. Maria Antonietta Penco penco@fisica.unige.it tel. 003536404 7//005 Esercizio Tra i 40 e 50 anni la probabilità
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio In una prova sul carico di rottura di due tipi di corda si dispone di 2 campioni di ampiezza 26 e 35 rispettivamente. Nel
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliCorso introduttivo di Epidemiologia e Biostatistica
Corso introduttivo di Epidemiologia e Biostatistica massimo guerriero carlo pomari e con il contributo di: Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health ELEMENTI
DettagliStatistica. Capitolo 10. Verifica di Ipotesi su una Singola Popolazione. Cap. 10-1
Statistica Capitolo 1 Verifica di Ipotesi su una Singola Popolazione Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Formulare ipotesi nulla ed ipotesi alternativa
DettagliCognome e nome. 2 In uno studio viene misurata la pressione arteriosa sistolica a 5 maschi adulti, con i seguenti risultati : 129; 134; 142; 128; 146
Statistica medica. Biotecnologie mediche A.a. 2004-2005 1 Febbraio 2005 Tempo previsto 60 minuti Cognome e nome 1 Indicate a quale categoria appartengono le seguenti variabili: Nominale Ordinale Numerica
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei fenomeni biologici Alla fine di questa lezione dovreste essere in grado di: descrivere la distribuzione di campionamento della differenza di due medie costruire gli
DettagliSTATISTICA. Esercitazione 6
STATISTICA Esercitazione 6 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale tre compiti diversi con i seguenti risultati: Compito A Compito B Compito C Numero studenti 41 39 43
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliFondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II
Fondamenti di statistica per il miglioramento genetico delle piante Antonio Di Matteo Università Federico II Modulo 2 Variabili continue e Metodi parametrici Distribuzione Un insieme di misure è detto
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliMETODI STATISTICI PER LA BIOLOGIA. Paolo Dai Pra e Francesco Caravenna
METODI STATISTICI PER LA BIOLOGIA. Paolo Dai Pra e Francesco Caravenna 18 marzo 2008 NOME 1. Parte A 1.1. Sono stati raccolti 7 dati relativi ad una variabile x. Si sa che 3 dati hanno valore 5; 2 dati
Dettagli